【技术实现步骤摘要】
排序引擎训练方法及装置、业务卡排序方法及装置
本申请涉及互联网
，尤其涉及一种排序引擎训练方法及装置、业务卡排序方法及装置。
技术介绍
随着互联网的发展，提供给用户的APP应用种类越来越丰富，用户可以根据自身需求而在手机等用户终端上安装诸如打车APP、外卖APP、新闻APP等各种类型的APP应用，APP应用通常会主动给用户推送一些业务消息以吸引用户使用。诸如，APP应用的后台服务器可以将多种业务消息以卡片列表的形式呈现在用户终端上，卡片列表上按照一定顺序依次排列有多张业务卡片，每张业务卡片都显示有与业务消息相关的图片和文案，点击该卡片则可以跳转至相应的网页链接，从而为用户详细的介绍或办理相关业务。经数据分析，业务卡片在列表上的排列顺序是影响用户点击率的主要因素之一，因此如何对卡片列表上的业务卡片进行合理排序，对于APP应用的运营者而言至关重要。然而，现有的排序引擎大多只能针对特定的应用场景，一旦更换应用场景则无法适用，应用范围狭窄单一。
技术实现思路
有鉴于此，本申请实施例提供了一种排序引擎...
【技术保护点】
1.一种排序引擎训练方法，其特征在于，所述训练方法应用于服务器，包括：/n按照预先配置的特征集，对目标业务场景的样本数据进行特征提取；/n根据预先配置的特征相关性算法，计算提取到的特征的权重；/n按照计算出的权重确定所述目标业务场景对应的特征组合；/n基于所述特征组合和所述样本数据，训练预先配置的至少一个排序引擎模型；/n根据训练结果确定所述目标业务场景的排序引擎模型。/n
【技术特征摘要】 【专利技术属性】
1.一种排序引擎训练方法，其特征在于，所述训练方法应用于服务器，包括：
按照预先配置的特征集，对目标业务场景的样本数据进行特征提取；
根据预先配置的特征相关性算法，计算提取到的特征的权重；
按照计算出的权重确定所述目标业务场景对应的特征组合；
基于所述特征组合和所述样本数据，训练预先配置的至少一个排序引擎模型；
根据训练结果确定所述目标业务场景的排序引擎模型。
2.如权利要求1所述的方法，其特征在于，所述方法还包括：
提供各类配置信息对应的输入接口；其中，所述配置信息的类别包括以下至少之一：特征类、样本数据类、特征相关性算法类和排序引擎模型类；
按照所述输入接口对应的配置信息类别，加载所述输入接口接收到的配置信息。
3.如权利要求1所述的方法，其特征在于，所述按照预先配置的特征集，对目标业务场景的样本数据进行特征提取的步骤之前，所述方法还包括：
对目标业务场景的样本初始数据进行预处理，得到所述目标业务场景的样本数据；其中，所述预处理包括：数据噪声去除处理和/或数据格式化处理。
4.如权利要求1所述的方法，其特征在于，所述预设配置的特征相关性算法包括：FM算法和/或树模型算法。
5.如权利要求1所述的方法，其特征在于，所述按照计算出的权重确定所述目标业务场景对应的特征组合的步骤，包括：
将权重大于设定权重阈值的特征，添加至所述目标业务场景对应的特征组合中；或者，
按照权重由大到小的顺序选取预设数目的特征，组成所述目标业务场景对应的特征组合。
6.如权利要求1所述的方法，其特征在于，所述基于所述特征组合和所述样本数据，训练预先配置的至少一个排序引擎模型的步骤，包括：
如果预先配置的排序引擎模型为多个，将所述特征组合和所述样本数据分别输入每个所述排序引擎模型进行训练。
7.如权利要求1所述的方法，其特征在于，所述根据训练结果确定所述目标业务场景的排序引擎模型的步骤，包括：
将所述训练结果中性能最优的训练结果对应的排序引擎模型，确定为所述目标业务场景的排序引擎模型。
8.如权利要求1所述的方法，其特征在于，所述方法还包括：将所述目标业务场景的排序引擎模型提供给目标应用，以使所述目标应用通过所述排序引擎模型对目标业务卡进行排序。
9.如权利要求8所述的方法，其特征在于，所述方法还包括：
获取排序后的所述目标业务卡的点击信息；
根据所述点击信息确定所述排序引擎模型的评价参数；
基于所述评价参数调整所述排序引擎模型的权重参数和/或结构。
10.如权利要求9所述的方法，其特征在于，所述方法还包括：
根据调整后的排序引擎模型生成调整文件；
将所述调整文件下发给所述目标应用，以使所述目标应用使用所述调整文件更新所述排序引擎模型。
11.如权利要求8所述的方法，其特征在于，所述方法还包括：
提供策略配置接口；
通过所述策略配置接口接收配置策略；其中，所述配置策略至少包括以下之一：置顶策略、沉底策略、退场策略、排序方式策略和指定位置策略；
将所述配置策略下发至所述目标应用，以使所述目标应用基于所述配置策略调整所述目标业务卡的排序。
12.一种排序引擎训练装置，其特征在于，所述训练装置应用于服务器，包括：
特征引擎模块，用于按照预先配置的特征集，对目标业务场景的样本数据进行特征提取；并根据预设配置的特征相关性算法，计算提取到的特征的权重；以及按照计算出的权重确定所述目标业务场景对应的特征组合；
算法引擎模块，用于基于所述特征组合和所述样本数据，训练预先配置的至少一个排序引擎模型；根据训练结果确定所述目标业务场景的排序引擎模型。
13.如权利要求12所述的装置，其特征在于，所述特征引擎模块包括：
特征配置单元，用于提供第一输入接口，并将所述第一输入接口接收到的特征加载至特征集中；
样本采样单元，用于提供第二输入接口，并将所述第二输入接口接收到的样本数据加载至业务场景对应的样本空间；
算法配置单元，用于提供第三输入接口，并将所述第三输入接口接收到的特征相关性算法加载至特征算法空间；
所述算法引擎模块包括：引擎配置单元，用于提供第四输入接口，并将所述第四输入接口接收到的排序引擎模型加载至引擎算法空间。
14.如权利要求12所述的装置，其特征在于，所述特征引擎模块包括：
数据预处理单元，用于对目标业务场景的样本初始数据进行预处理，得到所述目标业务场景的样本数据；其中，所述预处理包括：数据噪声去除处理和/或数据格式化处理。
15.如权利要求12所述的装置，其特征在于，所述预设配置的特征相关性算法包括：FM算法和/或数模型算法。
16.如权利要求12所述的装置，其特征在于，所述特征引擎模块包括：特征组合单元，用于将权重大于设定权重阈值的特征，添加至所述目标业务场景对应的特征组合中；或者，用于按照权重由大到小的顺序选取预设数目的特征，组成所述目标业务场景对应的特征组合。
17.如权利要求12所述的装置，其特征在于，所述算法引擎模块还包括：
模型训练单元，用于当预先配置的排序引擎模型为多个时，将所述特征组合和所述样本数据分别输入每个所述排序引擎模型进行训练。
18.如权利要求12所述的装置，其特征在于，所述算法引擎模块还用于将所述训练结果中性能最优的训练结果对应的排序引擎模型，确定为所述目标业务场景的排序引擎模型。
技术研发人员：张宋诚，刘阳，范士雄，龚风光，王可可，李少军，蒋辉，单明辉，赵旭海，许琨，
申请(专利权)人：北京嘀嘀无限科技发展有限公司，
类型：发明
国别省市：北京;11
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。